Детектор паллет для склада на базе YOLOv11

Модель YOLOv11 для обнаружения паллет на складе в реальном времени, оптимизированная для промышленных условий.

0/5
0 скачиваний
0 отзывов
Детектор паллет для склада на базе YOLOv11
Подходит для задач:
Object Detection
Сферы:
Транспорт и логистика
Языки:
Английский
Русский

Описание

Обзор

Семейство моделей YOLOv11, специально настроенных для обнаружения паллет (деревянных поддонов со штабелированными продуктами) в реальном времени в складских помещениях. Доступны в двух вариантах размера YOLOv11:

  • nano (2.6 млн. параметров, готово для периферийных устройств)
  • small (9.4 млн. параметров, лучшая точность)

Модели оптимизированы для идентификации паллет на переднем плане в рабочих условиях склада с погрузчиками, стеллажами и динамическим освещением.

Возможности и применение

Эта модель предназначена для автоматизации складских операций, улучшая учет и управление запасами. Она позволяет:

  • Определять наличие и количество паллет на изображениях.
  • Работать в сложных условиях освещения и при наличии помех, таких как движение погрузчиков.
  • Использоваться для мониторинга складских зон и инвентаризации в реальном времени.

Пример использования (инференс):

Как обучена модель

Модель была обучена на пользовательском наборе данных EDITools Warehouse Pallet Dataset, специально разработанном для обнаружения паллет на складе. Обучение проводилось с использованием фреймворка Ultralytics.

Метрики качества

  • mAP@0.5: 0.5918
  • mAP@0.5:0.95: 0.4852
  • Точность: 0.5988
  • Полнота: 0.5739

Примеры детекции

Реальные детекции из валидационного набора с использованием варианта nano @ 640p:

Чистая детекция паллеты на переднем плане

Одна паллета на переднем плане обнаружена с достоверностью 0.86. Nano-640 — это наш основной инструмент для периферийных устройств: быстрый, чистый, с высокой достоверностью на однозначных снимках.

Сильное размытие из-за движения

Та же камера в движении — паллета обнаружена с достоверностью 0.58, несмотря на размытие всего кадра. Ожидаемо более низкая достоверность, чем на чистом снимке, но детекция сохраняется.

Загроможденная сцена с несколькими паллетами

16 из ~20 эталонных паллет обнаружены с достоверностью от 0.30 до 0.83 в загроможденном проходе. В реальных развертываниях следует ожидать подобных результатов.

Ссылки

EFFGRP/yolov11n-warehouse-pallets-1280

Предпросмотр файлов

В этой модели нет файлов для предпросмотра.

Просмотры

Скачивания

Похожие модели

Кейсы внедрения

Обсудите модель
с топами рынка в бизнес чате
Есть вопросы по модели?
Написать автору

Оценка

Детали модели

Автор: Qubu Team
Объем: 116 Байт
Комментарии: 0
Просмотры: 10
Скачивания: 0
Лицензия: MIT
Дата добавления: 03.05.2026

Автор

Qubu Team

Qubu Team

Команда

Профиль команды
Загрузка...
Загрузка комментариев...